Questão de Medicina — Alergia e Imunologia — VUNESP 2025

Vacinologia de sistemas: validação de modelos preditivos

Gabarito: letra E. Para validar a precisão de um modelo computacional que prevê a durabilidade da proteção de uma vacina viva atenuada, a estratégia adequada é confrontar suas previsões com dados longitudinais de ensaios clínicos, incluindo marcadores de células T de memória — é o único desenho que mede a longevidade da resposta imunológica ao longo do tempo, que é exatamente o que o modelo se propõe a prever.

A vacinologia de sistemas é um campo que integra dados de imunologia, genômica e bioinformática para entender e prever as respostas imunes a vacinas. Um modelo computacional, por mais sofisticado que seja, é uma simplificação da realidade biológica. Sua validade científica depende da capacidade de suas previsões serem testadas e confirmadas por dados empíricos. A validação é o processo de comparar as saídas do modelo com observações do mundo real para avaliar se ele representa adequadamente o fenômeno que simula. No contexto específico da longevidade da memória imunológica, o que se quer saber é: por quanto tempo a proteção conferida pela vacina persiste? Essa é uma pergunta essencialmente temporal, que exige acompanhamento dos indivíduos ao longo do tempo.

A memória imunológica é um processo dinâmico. Após a vacinação, há uma expansão inicial de células B e T específicas, seguida por uma fase de contração e, posteriormente, pela manutenção de células de memória de longa duração. A durabilidade dessa memória é influenciada por múltiplos fatores, como a natureza do antígeno, a via de administração, a dose e as características genéticas do hospedeiro. Para um modelo computacional prever essa durabilidade, ele precisa ser calibrado e validado com dados que capturem essa dinâmica temporal. Dados de uma única amostragem pós-vacinação fornecem apenas um instantâneo, sem informação sobre a persistência da resposta. Dados pré-clínicos em animais, embora úteis nas fases iniciais, podem não refletir a resposta imune humana. Ignorar dados experimentais ou usar o modelo para simular a estrutura do antígeno são abordagens que não respondem à pergunta sobre a longevidade da proteção.

A validação com dados longitudinais de ensaios clínicos é o padrão-ouro. Isso significa coletar amostras de sangue dos participantes em múltiplos pontos no tempo após a vacinação (por exemplo, 1 mês, 6 meses, 1 ano, 5 anos) e medir marcadores de imunidade, como anticorpos neutralizantes e, crucialmente, a frequência e a função das células T de memória. As células T de memória são um componente central da memória imunológica de longa duração, e sua persistência é um correlato importante da durabilidade da proteção. Ao comparar as previsões do modelo com essas trajetórias longitudinais observadas, é possível avaliar se o modelo captura corretamente a cinética da resposta imune e, portanto, se suas previsões sobre a longevidade são confiáveis. Essa é a essência da validação preditiva: o modelo é testado contra dados que ele não "viu" durante seu desenvolvimento, e sua precisão é medida pela concordância entre o previsto e o observado.

A pegadinha desta questão está em confundir validação com outras etapas do desenvolvimento de um modelo ou com outros tipos de análise. A banca oferece alternativas que são plausíveis em outros contextos, mas que não respondem à pergunta específica sobre a longevidade da memória imunológica. O critério decisivo é: a estratégia permite avaliar se as previsões do modelo sobre a duração da proteção estão corretas? Isso só é possível com dados que acompanham a resposta imune ao longo do tempo.

Alternativa A — ❌ Incorreta

Comparar as previsões do modelo com dados de expressão gênica de uma única amostragem pós-vacinação não valida a longevidade da memória imunológica. Uma única amostragem fornece um retrato estático da resposta imune em um ponto específico, sem qualquer informação sobre sua persistência ou declínio ao longo do tempo. Para validar a previsão de durabilidade, é imprescindível ter dados longitudinais, ou seja, coletados em múltiplos momentos após a vacinação. A expressão gênica em um único momento pode até ser útil para identificar assinaturas iniciais de resposta, mas não para confirmar se a memória imunológica dura meses ou anos, como o modelo se propõe a prever.

Alternativa B — ❌ Incorreta

Ignorar dados experimentais e confiar exclusivamente nas simulações in silico do modelo é o oposto da validação. Um modelo computacional, por definição, é uma representação simplificada da realidade. Sem confrontar suas previsões com dados empíricos, não há como saber se ele está correto ou se está apenas produzindo resultados plausíveis, mas desconectados da realidade biológica. A validação é, por essência, um processo de comparação com o mundo real. Confiar cegamente no modelo sem qualquer verificação experimental é uma abordagem anticientífica e invalida qualquer conclusão sobre a durabilidade da proteção.

Alternativa C — ❌ Incorreta

Usar o modelo para simular a estrutura do antígeno vacinal e comparar com dados experimentais é uma estratégia válida para validar a parte do modelo que trata da estrutura antigênica, mas não aborda a questão central da longevidade da memória imunológica. A estrutura do antígeno é um dado estático; a durabilidade da proteção é um fenômeno dinâmico que depende da interação do sistema imune com o antígeno ao longo do tempo. Essa alternativa confunde a validação de um componente do modelo (a estrutura) com a validação da sua capacidade preditiva sobre a duração da resposta imune, que é o que o enunciado pede.

Alternativa D — ❌ Incorreta

Aplicar o modelo apenas a dados de ensaios pré-clínicos em animais, sem validação em humanos, é insuficiente. Embora os modelos animais sejam úteis nas fases iniciais do desenvolvimento de vacinas, a resposta imune de camundongos ou primatas não humanos pode diferir significativamente da resposta humana em termos de cinética, magnitude e duração da memória imunológica. A validação final de um modelo que pretende prever a durabilidade da proteção em humanos deve, necessariamente, incluir dados de ensaios clínicos em humanos. A ausência dessa validação compromete a generalização das previsões do modelo para a população-alvo.

Alternativa E — ✅ Correta ⟵ GABARITO

Validar as previsões do modelo com dados longitudinais de ensaios clínicos, incluindo marcadores de células T de memória, é a estratégia adequada. Dados longitudinais capturam a evolução da resposta imune ao longo do tempo, permitindo verificar se o modelo prevê corretamente a persistência ou o declínio da memória imunológica. As células T de memória são um correlato direto da memória imunológica de longa duração; sua medição em múltiplos pontos fornece a evidência empírica necessária para confirmar se as previsões do modelo sobre a longevidade da proteção estão corretas. Essa abordagem segue o princípio fundamental da validação preditiva: testar o modelo contra dados observacionais que ele não utilizou durante seu desenvolvimento.

Gabarito: letra E